Potlačování ruchů v hudebních nahrávkách pomocí neuronových sítí

Abstract
Tato diplomová práce se zabývá problematikou redukce ruchů v hu- debních nahrávkách a vývojem VST (Virtual Studio Technology) pluginu, který tuto redukci umožní v reálném čase v libovolném DAW (Digital Audio Workstation, softwarový nástroj pro produkci a editaci hudebních nahrávek). Zvolenou metodikou pro tuto úlohu bylo využití strojového učení a neuronových sítí. Z toho důvodu je součástí mé práce i tvorba datové sady pro trénování a testování modelů neuronových sítí. Cílem výsledného VST pluginu je poskyt- nout audioinženýrům nástroj, díky kterému budou moci nahrávat vokály i mimo profesionální studia, aniž by tím příliš utrpěla kva- lita výsledné nahrávky.
This thesis addresses the issue of noise reduction in music recor- dings and the development of a VST (Virtual Studio Technology) plugin that enables real-time noise reduction in any DAW (Digi- tal Audio Workstation, a software tool for music production and editing). The chosen methodology for this task involves the use of machine learning and neural networks. Consequently, part of this work includes the creation of a dataset for training and testing the neural network models. The goal of the resulting VST plugin is to provide audio engineers with a tool that allows them to record vo- cals outside professional studios without noticeable compromises in the quality of the final recording.
Description
Subject(s)
redukce ruchů, strojové učení, neuronové sítě, hudební nahrávky, VST plugin, vokály, DSP
Citation
ISSN
ISBN